Red neuronal bayesiana basada en memristor

Investigadores de CEA-Leti, CEA-List y CNRS construyeron un completo red neuronal bayesiana basada en memristor Implementación para clasificar tipos de registros de arritmia con incertidumbre aleatoria y epistémica precisa.

Si bien las redes neuronales bayesianas son útiles para aplicaciones de procesamiento sensorial basadas en una pequeña cantidad de datos de entrada ruidosos porque proporcionan una evaluación de la incertidumbre predictiva, la naturaleza probabilística significa mayores requisitos de energía y cálculo debido al uso de generadores de números aleatorios, que almacenan las distribuciones de probabilidad.

"Explotamos la variabilidad intrínseca de los memristores para almacenar estas distribuciones de probabilidad, en lugar de utilizar generadores de números aleatorios", dijo Elisa Vianello, científica jefe de CEA-Leti, en un comunicado. El enfoque para realizar inferencias requiere operaciones masivas paralelas de multiplicación y acumulación (MAC). “Estas operaciones consumen mucha energía cuando se llevan a cabo en ASIC basados ​​en CMOS y conjuntos de puertas programables en campo, debido al intercambio de datos entre el procesador y la memoria. En nuestra solución, utilizamos barras transversales de memristores que implementan naturalmente la multiplicación entre el voltaje de entrada y el peso sináptico probabilístico mediante la ley de Ohm, y la acumulación mediante la ley actual de Kirchhoff, para reducir significativamente el consumo de energía”.

El enfoque permite la cuantificación de la incertidumbre, lo que permite a la red identificar situaciones que podrían quedar fuera de sus datos de entrenamiento. [1]

Memristores híbridos de cambio de fase

Científicos de la Universidad de Rochester desarrollaron interruptores resistivos híbridos que combinan memristores y materiales de cambio de fase.

"Hemos combinado la idea de un memristor y un dispositivo de cambio de fase de una manera que puede ir más allá de las limitaciones de cualquiera de los dos dispositivos", dijo Stephen M. Wu, profesor asistente de ingeniería eléctrica e informática y de física en Rochester. en un comunicado. “Estamos fabricando un dispositivo memristor de dos terminales, que conduce un tipo de cristal a otro tipo de fase cristalina. Esas dos fases cristalinas tienen resistencias diferentes que luego puedes almacenar como memoria”.

Al tensar los materiales 2D, pueden estar en un punto entre dos fases cristalinas diferentes y pueden ser empujados en cualquier dirección con relativamente poca potencia.

"Lo diseñamos básicamente estirando el material en una dirección y comprimiéndolo en otra", continuó Wu. “Al hacer eso, se mejora el rendimiento en órdenes de magnitud. Veo un camino en el que esto podría terminar en las computadoras domésticas como una forma de memoria ultrarrápida y ultraeficiente. Eso podría tener grandes implicaciones para la informática en general”. [2]

Dispositivo memristivo a base de plata

Investigadores de la Universidad Sahmyook y la Universidad Yonsei proponen utilizar un película delgada de calcogenuro dispersivo de plata para conmutación de resistencia en dispositivos memristivos.

“Nuestro dispositivo memristivo difusivo basado en Ag en una película delgada de calcogenuro muestra un bajo consumo de energía e imita el procesamiento paralelo del cerebro humano. Esto lo hace adecuado para su implementación en matrices de barras transversales, y logró una tasa de reconocimiento de ~92% en la base de datos de reconocimiento de dígitos escritos a mano del MNIST (Instituto Nacional Modificado de Estándares y Tecnología)”, dijo Min Kyu Yang, profesor de la Universidad de Sahmyook, en un comunicado. .

El dispositivo no requiere corriente eléctrica para inducir cambios químicos antes de su fabricación u operación y demostró retención de estado y resistencia confiable en un ambiente de 85 °C durante 2 horas. [3]

Referencias

[1] Bonnet, D., Hirtzlin, T., Majumdar, A. et al. Llevando la cuantificación de la incertidumbre al extremo con redes neuronales bayesianas basadas en memristores. Nat Comuna 14, 7530 (2023). https://doi.org/10.1038/s41467-023-43317-9

[2] Hou, W., Azizimanesh, A., Dey, A. et al. Ingeniería de deformación de memristores de cambio de fase de ditelluuro de molibdeno vertical. Nat Electron (2023). https://doi.org/10.1038/s41928-023-01071-2

[3] Su Yeon Lee, Jin Joo Ryu, Hyun Kyu Seo, Hyunchul Sohn, Gun Hwan Kim, Min Kyu Yang, Medios de calcogenuro dispersivo de Ag para memristores electrónicos fácilmente activados, Applied Surface Science, Volumen 644, 2024, 158747, ISSN 0169 -4332, https://doi.org/10.1016/j.apsusc.2023.158747